/ Модель

Характеристики

Размер весов
1,8 ГБ
Лицензия
Apache 2.0
Архитектура
PyTorch · dense
Опубликована
21 июл 2025

3D-MOOD

Поиск объектовИзображение → bounding_boxes3 профессии

3D-MOOD обнаруживает объекты и оценивает их трёхмерные рамки по одному изображению, включая новые категории и сцены.

20скачиваний за 30 дней1лайквеса обновлены18 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

3D-MOOD — модель компьютерного зрения, представленная авторами одноимённой исследовательской работы. Она обнаруживает объекты и оценивает их трёхмерные ограничивающие рамки по одному изображению, в том числе для новых категорий и сцен, отсутствовавших при обучении. Модель объединяет обнаружение объектов в 2D с подъёмом предсказаний в 3D и использует геометрические априорные данные для запросов объектов. Авторы сообщают о результатах на Omni3D, а также о проверке переноса на Argoverse 2 и ScanNet.

Модель предназначена для сценариев, где нужны пространственные сведения об объектах по монокулярной камере, например для робототехники и AR/VR. Репозиторий содержит веса и код PyTorch; лицензия — Apache-2.0. В доступной карточке описан исследовательский метод и демонстрационный запуск, но не приведены сведения о производительности на конкретном оборудовании или о пригодности для автономного применения.

Сценарии применения

  • обнаружение объектов на изображениях с оценкой их положения в 3D
  • оценка трёхмерных рамок объектов по кадру монокулярной камеры
  • поиск незнакомых категорий объектов в новых сценах
  • получение пространственных данных для робототехнического восприятия
  • обнаружение объектов в изображениях для AR/VR

Ограничения

Модель опирается на монокулярное изображение и предназначена для детекции объектов; в карточке не приведены сведения о скорости работы и требованиях к оборудованию.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

3D-MOOD: Lifting 2D to 3D for Monocular Open-Set Object Detection


This repository contains the official models and code for the paper 3D-MOOD: Lifting 2D to 3D for Monocular Open-Set Object Detection.

Project Page: https://royyang0714.github.io/3D-MOOD Code: https://github.com/cvg/3D-MOOD

Abstract

Monocular 3D object detection is valuable for various applications such as robotics and AR/VR. Existing methods are confined to closed-set settings, where the training and testing sets consist of the same scenes and/or object categories. However, real-world applications often introduce new environments and novel object categories, posing a challenge to these methods. In this paper, we address monocular 3D object detection in an open-set setting and introduce the first end-to-end 3D Monocular Open-set Object Detector (3D-MOOD). We propose to lift the open-set 2D detection into 3D space through our designed 3D bounding box head, enabling end-to-end joint training for both 2D and 3D tasks to yield better overall performance. We condition the object queries with geometry prior and overcome the generalization for 3D estimation across diverse scenes. To further improve performance, we design the canonical image space for more efficient cross-dataset training. We evaluate 3D-MOOD on both closed-set settings (Omni3D) and open-set settings (Omni3D to Argoverse 2, ScanNet), and achieve new state-of-the-art results.

Demo

We provide the demo.py to test whether the installation is complete.

python scripts/demo.py

It will save the prediction as follow to assets/demo/output.png.

You can also try the live demo on Hugging Face Spaces!

Citation

If you find our work useful in your research please consider citing our publications:

@article{yang20253d,
  title={3D-MOOD: Lifting 2D to 3D for Monocular Open-Set Object Detection},
  author={Yang, Yung-Hsu and Piccinelli, Luigi and Segu, Mattia and Li, Siyuan and Huang, Rui and Fu, Yuqian and Pollefeys, Marc and Blum, Hermann and Bauer, Zuria},
  journal={arXiv preprint arXiv:2507.23567},
  year={2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура PyTorch неизвестна transformers в образе рантайма.

Ревизия весов
3d1fab5

0 моделей